論文の概要: VA-Blueprint: Uncovering Building Blocks for Visual Analytics System Design
- arxiv url: http://arxiv.org/abs/2508.07497v1
- Date: Sun, 10 Aug 2025 22:03:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:28.88681
- Title: VA-Blueprint: Uncovering Building Blocks for Visual Analytics System Design
- Title（参考訳）: VA-Blueprint:ビジュアル分析システム設計のためのビルディングブロック
- Authors: Leonardo Ferreira, Gustavo Moreira, Fabio Miranda,
- Abstract要約: 本稿では,都市視覚分析システムの構築ブロックを体系的にレビューし分類する手法であるVA-Blueprintを提案する。
この方法論を20のシステムの初期セットに適用し、コアコンポーネントをマルチレベル構造に識別し、整理する。
我々の貢献はVAシステムの構成をより深く理解し、より構造化され再現可能で効率的なシステム開発を支援するための実践的な基盤を確立します。
- 参考スコア（独自算出の注目度）: 1.860466817820684
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Designing and building visual analytics (VA) systems is a complex, iterative process that requires the seamless integration of data processing, analytics capabilities, and visualization techniques. While prior research has extensively examined the social and collaborative aspects of VA system authoring, the practical challenges of developing these systems remain underexplored. As a result, despite the growing number of VA systems, there are only a few structured knowledge bases to guide their design and development. To tackle this gap, we propose VA-Blueprint, a methodology and knowledge base that systematically reviews and categorizes the fundamental building blocks of urban VA systems, a domain particularly rich and representative due to its intricate data and unique problem sets. Applying this methodology to an initial set of 20 systems, we identify and organize their core components into a multi-level structure, forming an initial knowledge base with a structured blueprint for VA system development. To scale this effort, we leverage a large language model to automate the extraction of these components for other 81 papers (completing a corpus of 101 papers), assessing its effectiveness in scaling knowledge base construction. We evaluate our method through interviews with experts and a quantitative analysis of annotation metrics. Our contributions provide a deeper understanding of VA systems' composition and establish a practical foundation to support more structured, reproducible, and efficient system development. VA-Blueprint is available at https://urbantk.org/va-blueprint.
- Abstract（参考訳）: ビジュアル分析(VA)システムの設計と構築は複雑で反復的なプロセスであり、データ処理、分析機能、可視化技術をシームレスに統合する必要がある。
VAシステムオーサリングの社会的・協調的な側面については,これまで広く研究されてきたが,これらのシステムを開発する上での実践的課題はいまだ未解明のままである。
その結果、VAシステムの増加にもかかわらず、その設計と開発を導くための構造化された知識基盤はごくわずかである。
このギャップに対処するために,都市VAシステムの基本構築ブロックを体系的にレビューし分類する方法論と知識基盤であるVA-Blueprintを提案する。
この方法論を20のシステムの初期セットに適用し、コアコンポーネントをマルチレベル構造に識別し、整理し、VAシステム開発のための構造化青写真で初期知識ベースを形成する。
この取り組みの規模を拡大するために、我々は大規模な言語モデルを用いて、81の論文(コーパスを101の論文にまとめる)の抽出を自動化し、知識ベース構築のスケーリングの有効性を評価する。
本手法は,専門家へのインタビューやアノテーション指標の定量的分析を通じて評価する。
我々の貢献はVAシステムの構成をより深く理解し、より構造化され再現可能で効率的なシステム開発を支援するための実践的な基盤を確立します。
VA-Blueprintはhttps://urbantk.org/va-blueprintで入手できる。
関連論文リスト
- Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。
SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。
本稿では,この新興領域を体系的に調査する。
論文 参考訳（メタデータ） (2026-01-15T18:55:03Z) - Intelligent Knowledge Mining Framework: Bridging AI Analysis and Trustworthy Preservation [0.4742825811314167]
本稿では,AI駆動分析と信頼性のある長期保存のギャップを埋めるための概念モデルであるIntelligent Knowledge Mining Framework(IKMF)を紹介する。
このフレームワークはデュアルストリームアーキテクチャを提案している。水平マイニングプロセスは、生データをセマンティックにリッチで機械操作可能な知識に変換し、それらの資産の整合性、証明性、計算を保証するために、並列のTrustworthy Archiving Streamを提供する。
論文 参考訳（メタデータ） (2025-12-19T17:01:03Z) - Visibility Allocation Systems: How Algorithmic Design Shapes Online Visibility and Societal Outcomes [0.5863360388454261]
可視性アロケーションシステム(VAS)の形式的フレームワークを導入する。
VASは、どの(処理された)データを人間のユーザに提供するかを決定する。
我々のフレームワークは、義務の特定、システム的リスクの定量化、適応的コンプライアンスの実現のために、現在進行中のAI立法活動をサポートすることができるかを示します。
論文 参考訳（メタデータ） (2025-10-20T07:28:24Z) - A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。
本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
論文 参考訳（メタデータ） (2025-10-10T06:56:50Z) - RED.AI Id-Pattern: First Results of Stone Deterioration Patterns with Multi-Agent Systems [0.0]
RED.AIプロジェクトにおけるId-Patternシステム(Reabilitaccao Estrutural Digital atrav's da AI)は、石の劣化パターンの識別を支援するために設計されたエージェントシステムである。
専門家チームによる直接的な観察に基づく従来の方法論は正確だが、時間とリソースの面ではコストがかかる。
最初の結果から,基本モデルと比較して,システムのすべての指標が大幅に向上したことが分かりました。
論文 参考訳（メタデータ） (2025-08-19T14:39:27Z) - Lessons from a Big-Bang Integration: Challenges in Edge Computing and Machine Learning [52.86213078016168]
プロジェクトはビッグバン統合のアプローチのため、重大な挫折に直面した。
この研究は、コミュニケーションの貧弱さを含む技術的および組織的障壁を特定する。
また、モックアップよりも完全に発達したコンポーネントに対するバイアスのような心理的要因も考慮している。
論文 参考訳（メタデータ） (2025-07-23T07:16:45Z) - A Survey of Context Engineering for Large Language Models [31.68644305980195]
この調査では、シンプルなプロンプト設計を超越する形式的な規律であるContext Engineeringを紹介します。
まず、コンテキスト検索と生成、コンテキスト処理、コンテキスト管理といった基本的なコンポーネントについて検討する。
次に、これらのコンポーネントがいかにアーキテクチャ的に統合され、洗練されたシステム実装を作成するかを探る。
論文 参考訳（メタデータ） (2025-07-17T17:50:36Z) - Deep Research Agents: A Systematic Examination And Roadmap [79.04813794804377]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - Unifying VXAI: A Systematic Review and Framework for the Evaluation of Explainable AI [4.715895520943978]
説明可能なAI(XAI)は、モデル行動に関する人間の理解可能な説明を提供することで、この問題に対処する。
XAIメソッドの増加にもかかわらず、フィールドには標準化された評価プロトコルと適切なメトリクスに関するコンセンサスがない。
我々は、XAI(VXAI)のeValuationのための統一的なフレームワークを導入する。
論文 参考訳（メタデータ） (2025-06-18T12:25:37Z) - A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。
コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
論文 参考訳（メタデータ） (2025-01-20T15:30:09Z) - A Methodology for Evaluating RAG Systems: A Case Study On Configuration Dependency Validation [6.544757635738911]
Retrieval-augmented Generation(RAG)は、異なるコンポーネント、設計決定、ドメイン固有の適応の傘である。
現在、RAG評価の方法論は一般に受け入れられていないが、この技術への関心は高まりつつある。
本稿では,RAGシステムの健全かつ信頼性の高い評価手法の最初の青写真を提案する。
論文 参考訳（メタデータ） (2024-10-11T13:36:13Z) - Code-Survey: An LLM-Driven Methodology for Analyzing Large-Scale Codebases [3.8153349016958074]
我々は,大規模規模の探索と解析を目的とした最初のLCM駆動型手法であるCode-Surveyを紹介した。
調査を慎重に設計することで、Code-Surveyはコミット、Eメールなどの構造化されていないデータを、構造化、構造化、分析可能なデータセットに変換する。
これにより、複雑なソフトウェアの進化を定量的に分析し、設計、実装、保守、信頼性、セキュリティに関する貴重な洞察を明らかにすることができる。
論文 参考訳（メタデータ） (2024-09-24T17:08:29Z) - Enhancing Medical Learning and Reasoning Systems: A Boxology-Based Comparative Analysis of Design Patterns [0.0]
本研究では,ハイブリッドAIシステムの設計パターンとその臨床的意思決定における有効性について分析する。
Boxologyの構造化されたモジュール型アポラチは、ハイブリッドAIシステムの開発と分析において、大きなアドバンテージを提供する。
論文 参考訳（メタデータ） (2024-08-05T12:53:04Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。
我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。
最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。